数字经济的安全基石

业内首个落地的自主安全智能体(AI Agent),预置数百个原子级安全智能体,革命性采用任务驱动多智能体协同模式。
恒脑安全智能体以硬核实力为网络安全、数据安全保驾护航。让工具更睿智,让知识更智慧,让安全更智能!

融合人工智能与网络安全的专业服务体系,为企业提供全方位的Al安全咨询、威胁检测、安全运营等一站式解决方案,让安全防护更智能、更高效、更可靠。





行业解决方案
技术解决方案
全生命周期安全防护,智能体驱动效能提升,场景化联动管控。
多云一体、融合安全、闭环运营
多场景应用提升安全运营能力
安全态势感知与管控
全方位守护工业信息网络安全
AI数据分类分级,让分类分级快人一步!
HVV利器,即日起,免费试用三个月!
有效实现数据“供得出、流得动、用得好、保安全”的数据流通利用基础设施
7×24 小时全维度托管模式实现企业网络安全无忧化管理,全方位满足企业业务安全运行与合规监管的双重需求。
场景解决方案
构建大模型全生命周期防护架构,强化多维度安全能力
对本地AI服务提供者开展日常监督、备案审查工作
智算全栈安全方案,算网安协同,合规高效
监控感知应急全套流程的安全监管机制
安全意识教育解决方案
一站式意识教育解决方案

根据公安部最新数据,近年来,全国累计侦破电信诈骗案件达到了惊人的46.6万起。这些案件的涉案金额巨大,紧急拦截的涉案资金高达3180多亿元。这一数字凸显了网络诈骗犯罪的普遍性和危害性。随着网络诈骗日益跋扈獗,不管是公安、银行还是运营商,都在不断地开展反诈行动,打击电信诈骗。
但出于数据安全考虑,目前各方都只运用自有的数据开展反诈业务,并没有将数据进行融合共享,影响了反诈的效果。
解决方案
为了更加准确地识别到诈骗人员信息,可以归纳出行骗人员的行为特征,通过融合打通公安、银行和运营商的数据,使用联合统计的方式,提前识别出行骗人员,从根源上阳断诈骗行为的发生。
为实现以上目标,如下图所示,可以采用分布式隐私计算技术,分别在公安、银行以及运营商侧部署相应的隐私计算本地节点,按照“原始数据不出域,数据可用不可见”的要求,将各方数据安全合规地联合建模分析,输出反诈模型,以此实现联合反诈行动。

打击电信诈骗方案
具体而言,联合反诈业务的实施,可以分为以下三个步骤:
标签的总结归纳
公安机关总结终年在反诈一线的工作经验,总结出了行骗分子的特征标签库(灰标签和黑标签),以及运营商和银行在识别出诈骗相关异常后建议采取的措施标签库。特征标签库包括分散转入转出、IP频繁更换等灰标签,以及涉虚拟货币交易涉诈等黑标签;措施标签库包括保护性限额、保护性暂停短信服务等。
针对用户的打标
公安机关与银行和运营商同步标签信息。银行和运营商结合自身业务开展情况,开发针对每个用户的特征标签库和措施标签库打标逻辑,并且给存量的客户打上相关标签。
创建反诈模型
使用隐私计算技术,实现公安、银行、以及运营商三方包括标签数据在内的多项数据的安全融合,创建相应的反诈模型。
应用效果
在反诈业务中,公安、运营商、银行都拥有各自相关的能力与数据。使用隐私计算技术,实现多方数据的融合,在联合诈骗人员场景中可以提供的以下三个方面的核心价值:
融合多家银行数据,识别诈骗人员
诈骗人员最终的目标都是获取资金,因此诈骗人员在银行的行为模式很难去除。但由于我国各大小银行数量繁多,且不同银行之间存在数据孤岛现象,导致了诈骗人员可以通过将诈骗行为在不同银行间分散的方式,降低诈骗行为的特征,减小其在单一银行被识别的可能性。使用隐私计算技术,促进不同银行间数据的融合互通,对提升诈骗人员识别率有着至关重要的作用。
融合多家运营商数据,识别诈骗人员
联系受骗人员是开展诈骗活动的必要条件因此运营商成为了实施诈骗活动的必经之路。与银行类似,诈骗人员通常通过分散开卡等方式,绕过运营商的预警系统。使用隐私计算技术,促进不同运营商问数据的融合互通对提升诈骗人员识别率有着至关重要的作用。
融合运营商与银行数据,识别诈骗人员
在诈骗活动的行动路径中,运营商和银行分别处于诈骗的初期与后期。使用隐私计算技术,融合这两方的数据,可以进一步对诈骗行为有更加系统的认知,提升诈骗人员识别的准确性。